export

游雁

2023-03-30 85b8628dbf3020e73580b73240804d587ead4eb6

export

 funasr/export/models/encoder/sanm_encoder.py

@@ -163,9 +163,9 @@
        self.num_heads = model.encoders[0].self_attn.h
        self.hidden_size = model.encoders[0].self_attn.linear_out.out_features
    
    def prepare_mask(self, mask):
    def prepare_mask(self, mask, sub_masks):
        mask_3d_btd = mask[:, :, None]
        sub_masks = subsequent_mask(mask.size(-1)).type(torch.float32)
        # sub_masks = subsequent_mask(mask.size(-1)).type(torch.float32)
        if len(mask.shape) == 2:
            mask_4d_bhlt = 1 - sub_masks[:, None, None, :]
        elif len(mask.shape) == 3:
@@ -178,6 +178,7 @@
                speech: torch.Tensor,
                speech_lengths: torch.Tensor,
                vad_mask: torch.Tensor,
                sub_masks: torch.Tensor,
                ):
        speech = speech * self._output_size ** 0.5
        mask = self.make_pad_mask(speech_lengths)

 funasr/export/models/vad_realtime_transformer.py

@@ -11,7 +11,7 @@
from funasr.punctuation.sanm_encoder import SANMVadEncoder
from funasr.export.models.encoder.sanm_encoder import SANMVadEncoder as SANMVadEncoder_export

class VadRealtimeTransformer(AbsPunctuation):
class VadRealtimeTransformer(nn.Module):

    def __init__(
        self,
@@ -36,8 +36,11 @@



    def forward(self, input: torch.Tensor, text_lengths: torch.Tensor,
                vad_indexes: torch.Tensor) -> Tuple[torch.Tensor, None]:
    def forward(self, input: torch.Tensor,
                text_lengths: torch.Tensor,
                vad_indexes: torch.Tensor,
                sub_masks: torch.Tensor,
                ) -> Tuple[torch.Tensor, None]:
        """Compute loss value from buffer sequences.

        Args:
@@ -47,7 +50,7 @@
        """
        x = self.embed(input)
        # mask = self._target_mask(input)
        h, _ = self.encoder(x, text_lengths, vad_indexes)
        h, _ = self.encoder(x, text_lengths, vad_indexes, sub_masks)
        y = self.decoder(h)
        return y

@@ -59,7 +62,9 @@
        text_indexes = torch.randint(0, self.embed.num_embeddings, (1, length))
        text_lengths = torch.tensor([length], dtype=torch.int32)
        vad_mask = torch.ones(length, length, dtype=torch.float32)[None, None, :, :]
        return (text_indexes, text_lengths, vad_mask)
        sub_masks = torch.ones(length, length, dtype=torch.float32)
        sub_masks = torch.tril(sub_masks)
        return (text_indexes, text_lengths, vad_mask, sub_masks)

    def get_input_names(self):
        return ['input', 'text_lengths', 'vad_mask']

 funasr/export/test/test_onnx_punc_vadrealtime.py

@@ -9,7 +9,11 @@
    output_name = [nd.name for nd in sess.get_outputs()]

    def _get_feed_dict(text_length):
        return {'input': np.ones((1, text_length), dtype=np.int64), 'text_lengths': np.array([text_length,], dtype=np.int32), 'vad_mask': np.ones((1, 1, text_length, text_length), dtype=np.float32)}
        return {'input': np.ones((1, text_length), dtype=np.int64),
                'text_lengths': np.array([text_length,], dtype=np.int32),
                'vad_mask': np.ones((1, 1, text_length, text_length), dtype=np.float32),
                'sub_masks': np.tril(np.ones((text_length, text_length), dtype=np.float32))
                }

    def _run(feed_dict):
        output = sess.run(output_name, input_feed=feed_dict)